如果看完这篇文章，你的AI水平最起码超过99%的人，你还会划走吗？（一个AI实践者的提示词工程分享）
超级个体｜柿子 (@yaohui12138)
们这是一篇你绝对没有听过的提示词工程，我其实不愿意把这个东西作为开源分享的，因为看完之后所有人的ai水平都一定会上涨一大截
区别于市面上99%的博主只告诉你概念和模棱两可的方法，这篇文章能让你学到实打实的提示词工程
如果帖子流量不足10w，我将会在48小时之后删帖，然后只作为我个人社群的内部分享
希望大家看完之后能给个三连当学费！感谢大家！
话不多说，我们直接开始
今天我来给大家先定义一件事：AI时代最重要的内核就是：表达需求的能力，而什么是表达需求的能力，具体外化就是你的提示词工程的能力
我们现在的AI时代共有三个工程，我先来给大家分别解读一下：
提示词工程：如何表达需求的能力
上下文工程：其实这个工程的核心理论是：我们认为想要拿到好的输出，前提是控制好它的输入，所以我们开始在意给模型输入什么内容
harness工程：其实是上下文工程的进阶版，我们开始在意如何管理AI的输入，如何保证它的推理效果，采用怎样的过程，如何让整个推理的过程透明，可追溯，可迭代，如何保证ai的结果经过了质量校验.....等等
这一切内容就是harness工程，其实harness工程就是管理方法论的具象化
我们会发现，一切的一切都源于提示词工程
今天我会用一些知识和方法，告诉你，提示词工程的整个思考逻辑
提示词工程的整体链路：
用户的需求阶段-到模型推理-到结果输出后的相互校验-最后到迭代反馈
一整套闭环链路
这才叫有体系的提示词工程，我们的思考也由此展开
阶段1：需求结构化（90%的失败死在这里）
在提出一个问题前，想思考一下：
你自己都没想清楚要啥，模型凭什么给你？
最常见的烂Prompt长这样
帮我写一封给用户的召回邮件
模型回你什么？一篇标准企业范模板邮件？
读完两秒删掉
这里我给大家推荐一个模版，但是不是要求大家都使用这套模版，而是真的理解，你向AI提问之前要想明白什么：
举个例子：
C - Context 背景：我做了个AI工具SaaS，新用户注册7天没回来
O - Objective 目标：写召回邮件，让他回到产品
S - Style 风格：朋友式，不是企业范
T - Tone 语气：温暖但不油腻
A - Audience 受众：30岁左右的独立开发者
R - Response 输出：100字以内，带一个具体使用场景
同样的模版，类似的还有RTF（Role-Task-Format）更轻量
逆向提示词（用 “不要输出代码”“不要.....”这种禁令做精修）也归在这一阶
注意不要踩坑：模板用太死会让Prompt变机械，熟了之后该跳模板就跳
阶段2：推理路径设计（让模型怎么想）
需求清楚了，这一步决定输出质量天花板
两个核心技巧
第一个是CoT思维链
说人话就是让模型逐步思考
烂Prompt：这段代码为什么报错
好Prompt：让我们逐步分析这段代码
1）先看输入是什么
2）每一步发生了什么
3）最后定位报错点
我记得在OpenAI研究里，加上这一步推理，准确率从五成多干到八成
第二个是Few-Shots
给3个例子胜过写10句要求
你提出的需求是：让模型按我的风格写产品介绍，讲一万句风格要求
都不如甩3条我最满意的范例，模型直接秒懂
但有个大坑：样本必须是你最满意的那种，垃圾样本污染整锅粥，反而把模型带歪
提点几个变种
1.Auto-CoT：让模型自己生成推理路径，企业批量场景用
2.生成知识提示：先让模型生成背景知识再回答，复杂领域用
3.DSP方向性刺激：用关键词控制输出方向（刺激模型语料），企业级精控用
普通人记住前两个就足够用了
阶段3：结果校验（大多数人的盲区）
模型输出什么直接用
从不验证，相当于面试一个人，看完简历就发offer
两个技巧
1.自我一致性+自我质疑
举个例子：同一个问题问3次取多数
我做行业调研报告，关键的市场数据问3次， 3次答案打架就重新拆问题
成本是Token翻倍，但关键决策值这个钱
2.ReAct框架
思考+行动+观察的闭环
让Agent帮你查竞品价格
Thought：我需要找竞品最新定价
Action：调用搜索工具
Observation：拿到3家定价
Thought：还要对比功能差异
Action：再次搜索
这就是个边想边查的Agent模式
现在所有AI Agent的本质都是这套路
阶段4：迭代反馈（高手和小白的分水岭）
很多人用模型是一次性的， 要个答案就走
这不叫提示词工程，这叫开盲盒，核心技巧是Reflexion 自我反思
写代码场景特别典型
让模型写一段代码 → 跑通失败 → 把报错粘回去
然后这么问，这个方案为什么行不通？应该怎么改？
注意：不是让它重新写一遍，是让它反思上一次的失败
PM视角看就是PDCA循环里的Check和Act
本质就是把模型的输出闭环回去当新的输入
来个真实的完整闭环案例，方便大家理解
场景：用AI做独立开发者MVP产品调研
需求阶段（COSTAR）
Context：想做一个面向独立开发者的SaaS
Objective：调研AI编程辅助类工具市场
Style：投资人能看的报告
Audience：自己要做决策
Response：表格+核心洞察
推理阶段（CoT）
加一句：先列出所有竞品 → 分析定价模型 → 找差异化机会 → 给3个MVP方向
校验阶段（Self-Consistency）
让模型重跑3次差异化分析
对比3次结论稳不稳
反馈阶段（Reflexion）
把3次答案的差异点丢回去
问它为什么会有不同结论
让它给出最稳的最终版
四步下来
你拿到的不是AI编的一堆，是一份能落地的方案，整个过程折腾不到一个钟头
提示词工程不是背技巧，而是有一天你能像我一样清晰的讲出来自己的理解
可能是建立 需求 → 推理 → 校验 → 反馈 这套闭环思维，也可能你会有自己的理解
你越懂表达需求，你的提示词越好
💬 7 🔁 7 ❤️ 73 👁️ 6.2K
View full thread
About author
超级个体｜柿子
超级个体践行者｜AI产品经理，日常分享 AI搞钱实战，AI编程系列教程，AI工作流实操， 只分享干货，利他即利己. 公众号：AI超级个体柿子
📆 2025-05-24
257 Following 18.9K Followers 5.1K Posts
View full thread